针对γ-分泌酶亚基组装的计算机结构引导多肽候选物设计

《Proteins: Structure, Function, and Bioinformatics》：In Silico Structure-Guided Design of Peptide Candidates Targeting γ-Secretase Subunit Assembly

本研究通过计算机结构引导策略，设计能够靶向γ-分泌酶支架蛋白APH1、干扰其与PS1及NCT亚基相互作用的多肽，从而抑制γ-分泌酶组装，为克服传统催化抑制剂引起的剂量限制毒性提供了新思路。研究通过分子对接、分子动力学模拟与MM/PBSA分析筛选出7条高亲和力、稳定的多肽候选物，为阿尔茨海默病与癌症治疗提供了潜在选择性干预手段。

　　

γ-分泌酶（γ-secretase）是细胞中一种至关重要的膜内蛋白酶，它负责切割包括Notch受体和淀粉样前体蛋白（APP）在内的多种底物。这些切割事件并非简单的生化反应，而是直接调控细胞分化、增殖与命运决定的关键信号开关。然而，当γ-分泌酶功能失调时，它会成为多种重大疾病的“推手”：在阿尔茨海默病（Alzheimer's disease, AD）中，它对APP的异常切割产生易于聚集的Aβ₄₂肽段，形成淀粉样斑块，驱动神经炎症和退行性变；在多种癌症（如T细胞急性淋巴细胞白血病、三阴性乳腺癌等）中，它通过释放Notch胞内结构域（NICD）激活促癌基因，促进肿瘤生长和干细胞特性。因此，γ-分泌酶长期以来被视为治疗AD和癌症的高价值靶点。

传统的干预策略是开发γ-分泌酶抑制剂（GSIs），直接阻断其催化活性。然而，这类“一刀切”的抑制剂在临床中遭遇了重大挫折。由于γ-分泌酶参与许多重要的生理过程，全面抑制其活性会带来严重的副作用，特别是干扰Notch信号通路导致的剂量限制性毒性。这迫使科学家们重新思考：能否找到一种更精准的“手术刀”，只破坏疾病相关的酶功能，而不影响其正常的生理角色？

最近发表在《Proteins: Structure, Function, and Bioinformatics》上的一项研究，为我们提供了一种全新的解题思路。该研究团队将目光从酶的“活性中心”移开，转向了维持酶整体结构的“脚手架”。γ-分泌酶由四个跨膜亚基组成：Presenilin（PS1/2，催化亚基）、Nicastrin（NCT）、APH1和PEN-2。其中，APH1作为一个非催化性的支架蛋白，对于稳定整个复合物的组装至关重要，就像建筑中的关键钢结构。研究人员设想，如果能设计一种分子，专门干扰APH1与其他亚基（特别是PS1和NCT）的“握手”界面，就能在不直接触碰催化中心的情况下，让整个酶复合物“散架”，从而选择性地下调其活性。这有望避免传统GSIs的广泛毒性，实现更安全的治疗。

为了验证这一设想，研究人员开展了一项系统的计算机（in silico）多肽设计研究。他们首先解析了人源γ-分泌酶复合物（PDB ID: 5A63）的结构，精准定位了APH1与PS1、NCT相互作用界面上的关键氨基酸残基。基于这些界面残基（如Gln, Phe, Tyr, Ile, Glu, Leu），他们构建了一个包含超过3.6万条不同长度多肽的虚拟文库。随后，研究运用了一套多层次、递进式的计算生物学“组合拳”来筛选和验证最佳候选多肽。

主要关键技术方法包括：

1. 1.
   分子对接虚拟筛选：使用AutoDock CrankPep对肽库进行初步对接，根据亲和力评分、理化性质（净电荷、等电点、不稳定性指数、Boman指数）、以及通过AllerCatPro2和ToxinPred3预测的无致敏性、无毒性进行过滤，从数万条多肽中初筛出候选者。
2. 2.
   全局分子对接验证：对初筛出的前10条多肽，使用CABS-dock和HPEPDOCK进行不考虑预设结合位点的全局对接，以验证其结合的特异性和构象的稳定性。
3. 3.
   分子动力学（MD）模拟：对10条领先多肽与APH1的复合物进行50纳秒的全原子MD模拟，评估复合物在动态环境下的结构稳定性，分析指标包括主链均方根偏差（RMSD）、均方根涨落（RMSF）、氢键、疏水相互作用和回转半径（R_g）。
4. 4.
   结合自由能计算：基于MD模拟轨迹，应用分子力学泊松-玻尔兹曼表面积（MM/PBSA）方法计算结合自由能，并进行能量分解分析，从热力学角度评估结合强度和各残基的贡献。

研究结果

1. 虚拟筛选鉴定出高亲和力APH1结合多肽

通过迭代的对接与筛选，研究最终从初始文库中确定了10条最具潜力的多肽候选物（命名为肽1-10）。这些多肽对APH1的PS1结合界面显示出极高的预测亲和力（评分低至-23.2 kcal/mol），且均满足良好的理化性质和安全谱（不稳定指数<40，无毒性，无致敏性）。

2. 全局对接验证界面特异性结合

全局分子对接结果显示，大多数候选多肽（如肽1、3、7）即使在无约束条件下，其预测的结合姿态也稳定地位于APH1的PS1相互作用凹槽附近，与局部对接结果一致，证明了结合的特异性。详细的相互作用分析揭示，这些多肽主要通过疏水作用、π-π堆积和特定的氢键与APH1界面残基（如Leu46, Ile135, Asn207, Thr204等）结合。

3. 分子动力学揭示肽-APH1复合物稳定性

50纳秒的MD模拟表明，大部分肽-APH1复合物（特别是肽1、3、4、5、6、7、8）的结构在模拟中快速达到平衡并保持稳定，主链RMSD维持在较低水平。疏水接触距离和数量分析表明界面相互作用持续而稳定，回转半径（R_g）分析显示复合物结构紧凑。构象演化分析显示，部分多肽在结合后诱导了APH1结合位点的局部构象变化，形成了更稳定的“诱导契合”结合模式。

4. MM/PBSA结合自由能分析

MM/PBSA计算为多肽的结合提供了热力学依据。所有多肽的结合自由能（ΔG_binding）均为负值，表明结合是自发的。其中，肽1（YQYQYLYFYY）的结合亲和力最强，ΔG_binding为-61.36 ± 12.16 kcal/mol，肽7（FQYYLYYQYY）次之。能量分解分析表明，范德华相互作用和静电相互作用是驱动结合的主要力量，而极性溶剂化效应则部分削弱了结合。关键的结合能量贡献来自特定的残基对，例如肽1的Tyr1与APH1的Asp140之间的相互作用。

结论与意义

综合所有计算分析，研究最终确定了7条最具前景的γ-分泌酶组装抑制多肽候选物：肽1（YQYQYLYFYY）、肽3（YQYFQYLYYF）、肽4（YQYLYFYYQY）、肽5（YQYLYFYYEF）、肽6（YFQYLYYFEY）、肽7（FQYYLYYQYY）和肽8（QYYLYYYE）。这些多肽在计算机层面上展现出高亲和力、良好的稳定性、安全性以及对APH1:PS1界面的特异性靶向能力。

本研究的核心意义在于策略性的创新。它首次提出并验证了通过靶向γ-分泌酶的非催化亚基界面来破坏其组装，从而实现对酶功能的选择性调控。这种“拆脚手架”的策略，有别于直接“堵锁眼”（抑制催化活性）的传统方法，有望规避因广泛抑制γ-分泌酶活性而导致的严重副作用（尤其是Notch相关毒性），为开发治疗阿尔茨海默病和癌症的新型疗法开辟了一条极具潜力的新途径。虽然目前所有结果均来自计算机模拟，仍需后续湿实验验证，但该研究提供了一个强大的理性设计框架和一系列明确的候选分子，为后续转化研究奠定了坚实基础。这项工作融合了结构生物学、计算化学和系统药理学，代表了下一代γ-分泌酶调节剂开发的重要方向。